NLP数据标注工具调研

中文nlp领域比较困扰的点在于缺乏数据，尤其像事件抽取这样的任务，人工标注非常耗时费力，而且很容易出错，所以想要搭建一个针对事件抽取的标注系统。在调研如何造轮子时，发现有些开源工具或许可以用，或许可以避免这部分的时间消耗。

一、开源数据标注工具

1. BRAT

• 安装环境：osx或者linux系统，windows（linux虚拟环境）
• 标注任务支持：实体关系、实体识别、事件抽取标注
• 标注语言支持：可适配到中文标注
• 标注任务扩展：可适配到Aspect-Based Sentiment Analysis方向数据标注
• 相关🔗
  官方介绍
  BRAT项目github地址
  brat使用

2. prodigy

• 标注任务支持：实体抽取，分类，情感分析
• 标注语言支持：只针对英文
• 特点：基于主动学习的标注工具

3. Chinese-Annotator

• 标注任务支持：中文命名实体识别，中文关系识别，中文文本分类
• 安装环境：面向OSX
• 特点：灵感来源Prodigy，基于主动学习的标注系统，同时支持用户标注
• 相关🔗
  Chinese-Annotator项目github地址

4. YEDDA

• 标注任务支持：实体抽取、实体关系、事件抽取
• 标注语言支持：支持大部分语言，包括英语、中文
• 特点：基于python2、可标记种类数只有7种
• 相关🔗：
  YEDDA项目github地址

5. IEPY

• 标注任务支持：主要关系抽取
• 相关🔗：
  IEPY项目github地址
  官方说明文档

6. Deepdive

• 相关🔗
  DeepDive

7. snorkel

• 相关🔗
  snorkel项目github地址

8. Doccano

• 标注任务支持：实体识别，情感分类，机器翻译

• 标注语言：多语言

  Doccano项目github地址
  Doccano实体标注演示demo

二、总结

目前来看要做中文领域事件抽取样本标注，可以选用的是YEDDA和BRAT。

三、参考：

• 2019常用NLP标注工具简单介绍

• 中文文本标注工具调研以及BRAT安装使用

• 语料标注工具1

• 语料标注工具2

• 语料标注工具3